• DeepSeek凭借零外部融资、无商业化压力的独特模式,在资本狂潮中保持纯粹AGI研究方向,形成难以复制的组织与战略优势。 DeepSeek 真正的护城河不是模型能力、开源程度或价格,而是彻底没有商业模式与外部资本约束,从而实现极致内部一致性,把全
  • 全球首个千兆瓦(GW)级AI训练超算集群“Colossus 2”现已全面投入运行,由埃隆·马斯克旗下的xAI团队打造。 该集群当前功耗已突破1吉瓦,相当于旧金山全市用电峰值,计划于2026年4月升级至1.5吉瓦,最终目标为2吉瓦。
  • 【超强AI学霸来袭!AlphaEvolve让电脑自己写代码搞发明】 听说过会写作业的AI吗?现在有个更厉害的"AI学霸"叫AlphaEvolve!它把谷歌最聪明的大脑(Gemini模型)和自动批改作业的机器老师组合在一起,专门解决最烧脑的数学题和计 icon
  • 顶级AI科学家认为语言模型有局限,正在开发"世界模型"! 随着OpenAI、Anthropic和Big Tech投资数十亿美元开发最先进的大型语言模型,一小群人工智能研究人员正在研究下一件大事。 目前最先 icon
  • 智能体失败主因不是模型弱,而是人为限制了它的行动空间;极简循环+完整工具权限,才是释放大模型潜力的关键。 本文核心指出大多数智能体失败不是因为模型推理力不足,而是因为动作空间被人类人为限制;真正价值在于让强化学习模型拥有尽可能完全的行动空间,然后再施加必要 icon
  • 一年之内,最聪明的人工智能在门萨挪威(Mensa Norway)测试中智商暴涨40分——从96分直接飙到136分。 一年光景,AI就从普通人水平跃升到比全世界绝大多数人都聪明。 那么再过一年呢...... icon
  • 太疯狂了!科学家们最近发现,像GPT这样的大模型(LLM)在处理数字时,用的根本不是我们人类那套计算方法。它们竟然把数字变成"螺旋线"上的点,然后用三角函数来算加法——就像用转圈圈的方式做数学题! 具体来说是这样的:1. 数字变成"陀螺": icon
  • Meta成立了“超级智能实验室”,由Alexandr Wang(前Scale AI)领导, 重点:开发超越人类的AI,AGI已经实现,ASI超级智能即将到来! 马克·扎克伯格今天通知Meta的员工,向他们介绍新的超级智能团队。《连线》获得的这份备忘 icon
  • 自从2022年OpenAI放出ChatGPT这个大招,科技公司就开启了"巨无霸模型"军备竞赛。各家疯狂砸钱建数据中心,就像小学生比谁家的乐高积木堆得高。但到去年年底,大家突然发现:光堆积木不灵了!GPT-4.5这个史上最大模型表现平平,就像学霸死记硬背考不过开卷考试。 icon
  • 我今天看完Google I/O 2025发布会到现在都缓不过劲儿来,满脑子都是"卧槽这也太神了吧!"(眼睛瞪得像铜铃)那些花里胡哨的AI工具看得我下巴都掉地上了——基尔帕特里克那件骚气卫衣上还印着"AGI什么时候来?",结果这不就是了吗?!(疯狂挠头) 阿 icon
  • AI这辆“超速列车”,我们是不是该踩踩刹车了?编程圈子里很火的“Vibe coding”:就是那种很随性、很酷的编程方式。现在,一个叫 nostr 的开发者社区正在被这种风潮席卷。这事儿听起来很激动人心,对吧?感觉科 icon
  • 现在AI发展得特别火对吧?但有个挺吓人的事儿——咱到现在都不知道该怎么判断这些AI到底有多聪明、多有创意或者多会共情。为啥呢?因为现在用的测试方法全是照着人类标准设计的,本来就不适合测AI。 最近我们还发现,就算改改题目的说法,AI的考试成绩都能差 icon
  • 为什么说通用人工智能(AGI)没那么快到来?持续学习是个大难题! 事情发生的时间比你想象的要长,然后它们发生的速度比你想象的要快。 最近,很多人都在讨论通用人工智能(AGI)什么时候会实现,有人说两年,有 icon
  • DeepMind 推出“令人惊叹的”通用科学人工智能。 德国科学家都惊掉下巴:马克斯·普朗克研究所的Mario Krenn教授直呼:"这论文绝了!第一次见到通用聊天AI真能搞出学术新发现!"啥意思呢?就是说,以前那些AI工具,比如DeepM icon
  • 这篇四年前论文研究发现:用文本预训练好的Transformer模型,居然也能直接用来处理图片、蛋白质数据甚至数学运算... 这就像你家的微波炉说明书,突然发现还能当游戏机攻略用! 论文里提出的"万能计算引擎"这个概念特别形象——Transform icon
  • 谷歌DeepMind的Logan Kilpatrick表示,AGI将是一种产品体验。不是模型。 他的赌注是:谁能在产品层面围绕像样的模型解决记忆+上下文问题,谁就赢了。用户会突然觉得他们在和AGI说话。不是能力的突 icon
  • 对于那些不知道的人来说,AlphaEvolve改进了1969年的斯特拉森算法,找到了一种方法,只需使用48个标量乘法而不是49个标量乘法来乘以4×4复值矩阵。这听起来可能并不令人印象深刻,但这个记录已经保持了五十六年。 1969年,那会儿人类刚登上月球,科 icon
  • OAI研究员Jason Wei表示,快速起飞不太可能,自我改进的AI将在十年内逐步实现 OpenAI的Jason Wei 说:我们现在还没有实现AI(人工智能)的自我提升,但当它实现的时候,那将是颠覆性的。 现在 icon